基于信息熵的关键帧提取算法的研究与实现
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 本文研究背景与意义 | 第11-12页 |
| 1.2 相关研究现状 | 第12-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关技术综述 | 第17-27页 |
| 2.1 视频数据的基本特征 | 第17-18页 |
| 2.2 视频结构化分析 | 第18-20页 |
| 2.2.1 视频层次结构 | 第18-19页 |
| 2.2.2 视频镜头边界 | 第19页 |
| 2.2.3 视频关键帧 | 第19-20页 |
| 2.3 CUDA构架的并行处理技术 | 第20-25页 |
| 2.3.1 CUDA编程模型 | 第20-21页 |
| 2.3.2 CUDA并行构架设计 | 第21-23页 |
| 2.3.3 CUDA的存储技术 | 第23-25页 |
| 2.4 视频帧的特征描述 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 镜头边界检测 | 第27-43页 |
| 3.1 熵和信息熵 | 第27-30页 |
| 3.1.1 熵的概念 | 第27-28页 |
| 3.1.2 信息熵的概念 | 第28-29页 |
| 3.1.3 图像处理中信息熵的应用 | 第29-30页 |
| 3.2 镜头边界检测 | 第30-35页 |
| 3.2.1 镜头突变检测常用方法 | 第31-33页 |
| 3.2.2 镜头渐变检测常用方法 | 第33-35页 |
| 3.2.3 镜头边界检测评价指标 | 第35页 |
| 3.3 基于预处理的互信息熵动态差值镜头检测 | 第35-42页 |
| 3.3.1 视频候选段的选取 | 第36-37页 |
| 3.3.2 突变边界检测 | 第37-39页 |
| 3.3.3 渐变边界检测 | 第39-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 视频镜头内关键帧提取 | 第43-54页 |
| 4.1 关键帧提取概述 | 第43页 |
| 4.2 关键帧提取的常用方法 | 第43-45页 |
| 4.3 互信息熵和SUSAN测度的关键帧提取 | 第45-53页 |
| 4.3.1 互信息熵特征提取 | 第46-49页 |
| 4.3.2 SUSAN算子边缘检测 | 第49-51页 |
| 4.3.3 冗余帧过滤 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 实验设计与分析 | 第54-65页 |
| 5.1 实验概述 | 第54页 |
| 5.2 实验数据和环境 | 第54-55页 |
| 5.3 镜头检测结果与分析 | 第55-58页 |
| 5.4 关键帧提取结果与分析 | 第58-62页 |
| 5.4.1 检索关键帧数量比较 | 第58-59页 |
| 5.4.2 检索时间对比 | 第59页 |
| 5.4.3 检索参数效果对比 | 第59-62页 |
| 5.5 关键帧提取分析与评价 | 第62-64页 |
| 5.6 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士学位期间发表的论文 | 第73页 |
